Python數據分析之全球人口數據

這篇文章用pandas對全球的人口數據作個簡單分析。我收集全球各國1960-2019年人口數據，包含男女和不一樣年齡段，共6個文件。

pop_total.csv： 各國每一年總人口
pop_female.csv：各國每一年女性人口 pop_male.csv： 各國每一年男性人口 pop_0_14.csv： 各國每一年0-14歲人口 pop_15_64.csv： 各國每一年15-64歲人口 pop_65up.csv：各國每一年65歲以上人口 複製代碼

先用pandas讀取文件數據

import pandas as pd
 pop_total = pd.read_csv('./data/pop_total.csv', skiprows=4) pop_total.info() 複製代碼

pop_total.csv文件存放各國每一年總人口數據，格式以下

pop_total.head(2)
複製代碼

一樣的方式，咱們讀取剩下的5個文件，對應的DataFrame分別是pop_female、pop_male、pop_0_14、pop_15_64、pop_65up。

爲了直觀觀察全球人口分佈，咱們用pyecharts繪製2019年全球人口分佈地圖

from pyecharts import options as opts
from pyecharts.charts import Timeline, Map  pop_total_2019 = pop_total[['Country Name', '2019']] # 修改俄羅斯的英文名以便pyecharts能識別 pop_total_2019.loc[200, 'Country Name'] = 'Russia'  pop_world_map = (  Map()  .add("2019年", pop_total_2019.values, "world", is_map_symbol_show=False)  .set_series_opts(label_opts=opts.LabelOpts(is_show=False))  .set_global_opts(  title_opts=opts.TitleOpts(title="全球人口"),  visualmap_opts=opts.VisualMapOpts(max_=100000000), # 超過1億人口顏色最深（紅色）  ) )  pop_world_map.render_notebook() 複製代碼

由於咱們有50年的數據，因此咱們還能夠繪製一個全球人口分佈變化的動圖，相似以前寫的全球疫情變化趨勢圖。由於代碼跟上面相似，這裏就不貼，源碼包裏能找到。

上面的圖裏咱們只能定性的看到人口分佈，下面咱們定量地看看2019年全球人口top10的國家。

# 2019年人口top10的國家
pop_total_2019_ordered = pop_total_2019.sort_values(by="2019" , ascending=False) pop_total_2019_ordered.head() 複製代碼

排序後發現Country Name這列不僅是單個國家，還包括了地區概念，這並非咱們想要的。記得以前作疫情地圖的時候有一份國家中英文對應關係的名單，拿到這裏用一下。

from countries_ch_to_en import countries_dict
 pop_top10 = pop_total_2019_ordered[pop_total_2019_ordered['Country Name']\  .isin(countries_dict.keys())][:10] pop_top10 複製代碼

這樣看起來就正常了，用seaborn將其繪製出來

import seaborn as sns
sns.barplot(y=pop_top10['Country Name'], x=pop_top10['2019']) 複製代碼

能夠看到，中國人口仍然位居全球第一，緊隨其後的是印度，三哥也是拼了。令我驚訝的是巴基斯坦那麼小的國土，人口超2億，全球排第五，真是方方面面都要跟三哥死磕。

看完人口絕對值的排行，咱們再來看看從2000年值2019年近20年時間各國人口增加率

pop_tmp = pop_total[pop_total['Country Name']\
 .isin(pop_top10['Country Name'])][['Country Name', '2000', '2019']] pop_tmp['growth(%)'] = (pop_tmp['2019'] / pop_tmp['2000'] - 1) * 100 pop_tmp.sort_values(by="growth(%)" , ascending=False) 複製代碼

能夠看到，中國雖然人口基數比較大，但近20年人口增加率確比較低，增長最快的top3分別是尼日利亞、巴基斯坦和印度。

看完總人口數據後，咱們再看看性別分佈，仍是以2019年爲例

columns = ['Country Name', '2019']
# 抽數據，關聯 pop_sex_2019 = pop_total[columns].merge(pop_male[columns], on = 'Country Name')  # 列名重命名 pop_sex_2019.rename(columns={'2019_x': 'total', '2019_y': 'male'}, inplace=True)  # 篩選出國家 pop_sex_2019 = pop_sex_2019[pop_sex_2019['Country Name'].isin(countries_dict.keys())]  # 計算女性人口 pop_sex_2019['female'] = pop_sex_2019['total'] - pop_sex_2019['male'] # 女性佔比與男性佔比的差值 pop_sex_2019['diff'] = (pop_sex_2019['female'] - pop_sex_2019['male']) / pop_sex_2019['total'] * 100  # 男性人口占比高於女性的 top15 sex_diff_top15 = pop_sex_2019.sort_values(by='diff')[0:15]  sns.barplot(y=sex_diff_top15['Country Name'], x=sex_diff_top15['diff']) 複製代碼

第一名是卡塔爾，男性人口比女性高50%，我們中國男女比例也是失衡的，男性人口占比比女性高2%。

再來看看女性佔比比男性高的國家

sex_diff_top15 = pop_sex_2019.sort_values(by='diff', ascending=False)[0:15]
sns.barplot(y=sex_diff_top15['Country Name'], x=sex_diff_top15['diff']) 複製代碼

這個相差的幅度明顯沒那麼大，top1也就差了8%，而且這些國家都不是人口大國。那咱們來看看人口超過1億的國家有哪些是女性佔比超過男性

pop_sex_2019[pop_sex_2019['total'] > 100000000].sort_values(by='diff', ascending=False)[0:5]
複製代碼

能夠看到日本、墨西哥、巴西和美國這四我的口大國女性佔比超過了男性。

性別也瞭解的差很少了，咱們再來看看年齡分佈。由於我比較關注各國年輕人羣的佔比，因此咱們先對各國0-14歲人口占比進行排序。

pop_0_14_2019 = pop_total[columns].merge(pop_0_14[columns], on = 'Country Name')
pop_0_14_2019.rename(columns={'2019_x': 'total', '2019_y': '0_14'}, inplace=True) pop_0_14_2019['0_14_r(%)'] = pop_0_14_2019['0_14'] / pop_0_14_2019['total'] * 100  # 咱們仍然只看大於1億人的國家 pop_0_14_top = pop_0_14_2019[pop_0_14_2019['Country Name'].isin(countries_dict.keys())][pop_0_14_2019['total'] > 100000000]\  .sort_values(by='0_14_r(%)', ascending=False)[:15]  sns.barplot(y=pop_0_14_top['Country Name'], x=pop_0_14_top['0_14_r(%)']) 複製代碼

能夠看到菲律賓、孟加拉國、印尼和印度等東南亞國家0-14歲人口占比遠超中國，甚至美國也比咱們要高。咱們只有17%，這也是近幾年世界工廠在往東南亞遷移的緣由。

最後，咱們再看看中國從1960年至2019年中國各年齡段人口占比的變化趨勢

# 篩選咱們須要的列
pop_0_14_ch = pop_0_14[pop_0_14['Country Name'] == 'China'].drop(['Country Name', 'Country Code', 'Indicator Name', 'Indicator Code',\  'Unnamed: 64'], axis=1)  #列（年份）轉行 pop_0_14_ch_unstack = pop_0_14_ch.unstack()  # 從新構造DateFrame pop_0_14_ch = pd.DataFrame(pop_0_14_ch_unstack.values, \  index=[x[0] for x in pop_0_14_ch_unstack.index.values], columns=['0_14'])  pop_0_14_ch.head() 複製代碼

一樣的方式，處理一下其餘兩個年齡段

# 15-64歲
pop_15_64_ch = pop_15_64[pop_15_64['Country Name'] == 'China'].drop(['Country Name', 'Country Code', 'Indicator Name', 'Indicator Code',\  'Unnamed: 64'], axis=1) pop_15_64_ch_unstack = pop_15_64_ch.unstack()  pop_15_64_ch = pd.DataFrame(pop_15_64_ch_unstack.values,\  index=[x[0] for x in pop_15_64_ch_unstack.index.values], columns=['15_64'])   # 65歲以上 pop_65up_ch = pop_65up[pop_65up['Country Name'] == 'China'].drop(['Country Name', 'Country Code', 'Indicator Name', 'Indicator Code',\  'Unnamed: 64'], axis=1) pop_65up_ch_unstack = pop_65up_ch.unstack()  pop_65up_ch = pd.DataFrame(pop_65up_ch_unstack.values, \  index=[x[0] for x in pop_65up_ch_unstack.index.values], columns=['65up']) 複製代碼

將各年齡人口按照年份關聯起來，而後計算總人口以及各年齡段人口占比

pop_age_level =  pop_0_14_ch.merge(pop_15_64_ch.merge(pop_65up_ch, left_index=True, right_index=True), left_index=True, right_index=True)
pop_age_level['total'] = pop_age_level['0_14'] + pop_age_level['15_64'] + pop_age_level['65up'] pop_age_level['0_14(%)'] = pop_age_level['0_14'] / pop_age_level['total'] * 100 pop_age_level['15_64(%)'] = pop_age_level['15_64'] / pop_age_level['total'] * 100 pop_age_level['65up(%)'] = pop_age_level['65up'] / pop_age_level['total'] * 100  pop_age_level.head() 複製代碼

最後咱們來畫一個堆疊柱狀圖展現

pop_age_level['year'] = pop_age_level.index
 pop_age_level.plot.bar(x='year', y=['0_14(%)', '15_64(%)', '65up(%)'], stacked=True, figsize=(15,8), fontsize=10, rot=60) 複製代碼

能夠放大後看看，藍色的是0-14歲人口，六七十年代，中國0-14歲人口占比40%多，算是挺高的了，隨着80年代實行計劃生育，0-14歲人口開始降低，一直降到如今的17%，少的有點可憐了。如今國家放開二胎，也是但願將來咱們能有更多的年輕人，這樣才能加強咱們的國際競爭力。

個人分析就到這裏了，有興趣的朋友能夠自行探索，數據和源碼已經打包，公衆號回覆關鍵字人口便可。

歡迎公衆號 「渡碼」，輸出別地兒看不到的乾貨。